基于 CEEMDAN 和小波包的降噪方法研究
塑料制品一般采用注塑成型的工艺,其表面和内部会存在缺陷,常用超声信号对其进行无损检测,噪声往往夹杂在有用信号中,因而得到缺陷信息的关键在于如何对回波信号进行降噪。由于回波信号的非线性、非平稳性,传统的傅里叶变换难以准确识别有用信号,进行有效去噪。小波变换作为傅里叶变换的改进,具有较好的时频局部分析能力,去噪原理是: 选取合适的小波基函数和分解层数,对原始信号进行分解,再选取合适的阈值对各层小波系数进行处理,最后将处理后的各小波系数进行重构,即得到降噪后的信号[3]。该方法的缺点在于去噪效果受小波基函数、分解层数和阈值的选取影响较大,且选取原则往往靠经验来确定。小波包变换是小波变换的新发展,能够为信号提供一种更加精细的分析方法,对小波变换没有细分的高频部分进一步分解,从而提高了对信号的处理能力,但仍存在和小波变换相同的缺点。
经验模态分解( Empirical Mode Decomposition, EMD) 是 Huang 等1998 年提出的时频分析新方法,能够较好地处理非线性和非平稳信号,且自适应性较强,将信号分解为一系列从高频到低频排列的固有模态函数( Intrinsic Mode Function,IMF) 和一个残差,克服了小波阈值去噪法的缺点,然而它也有其不足之处,如模态混叠、端点效应等。CEEMDAN是EMD算法的改进。CEEMDAN是一种时频域分析法,它通过添加自适应性噪声来进一步消除模态效应,拥有很强的自适应性和更好的收敛性,多用于处理非线性和非平稳信号。
1 基本原理
1.1 CEEMDAN原理
EMD具有良好的时频分析能力,